CN103902983A - 一种穿戴式人脸识别方法及装置 - Google Patents
一种穿戴式人脸识别方法及装置 Download PDFInfo
- Publication number
- CN103902983A CN103902983A CN201410148166.8A CN201410148166A CN103902983A CN 103902983 A CN103902983 A CN 103902983A CN 201410148166 A CN201410148166 A CN 201410148166A CN 103902983 A CN103902983 A CN 103902983A
- Authority
- CN
- China
- Prior art keywords
- face
- people
- face shape
- wearable
- video information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种穿戴式人脸识别方法,包括以下步骤:S1、视频采集原件实时采集画面,将采集到的画面进行数字化处理以得到数字化视频信息;S2、从数字化视频信息从识别出人脸形状,并过滤掉人脸形状的差异因素;S3、将识别到的人脸形状与预存人脸形状进行对比,并对识别到的人脸形状进行模糊化识别处理;S4、将模糊化识别处理后得到的结果输出并保存到服务器,实施该方法,使得人脸形状识别更为精确,能够给予用户无限接近真实效果的体验;本发明还公开了一种穿戴式人脸识别装置。
Description
技术领域
本发明涉及人脸识别领域,更具体地说,涉及一种穿戴式人脸识别方法及装置。
背景技术
人脸识别系统包括图像摄取、人脸定位、图像预处理、以及人脸识别(身份确认或者身份查找)。系统输入一般是一张或者一系列含有未确定身份的人脸图像,以及人脸数据库中的若干已知身份的人脸图象或者相应的编码,而其输出则是一系列相似度得分,表明待识别的人脸的身份。
穿戴式人脸识别,是指运用人脸识别系统以及增强现实技术(AR),通过行动设备的摄像头捕获用户真实形象,然后把商品或游戏虚拟装备展示在其身上。
打开移动设备摄像头,采用人脸识别技术捕获用户真实形象,并将该信息储存于服务器端,用户可选择任意商品或虚拟装备,以增强现实技术(AR)将其穿戴于真实形象上。
现有的人脸识别与增强现实技术(AR)无法给予用户无限接近真实效果的体验。
发明内容
本发明要解决的技术问题在于,针对现有的人脸识别与增强现实技术(AR)无法给予用户无限接近真实效果的体验的缺陷,提供一种穿戴式人脸识别方法及装置。
本发明解决其技术问题所采用的技术方案是:构造一种穿戴式人脸识别方法,包括以下步骤:
S1、视频采集原件实时采集画面,将采集到的画面进行数字化处理以得到数字化视频信息;
S2、从数字化视频信息中识别出人脸形状,并过滤掉人脸形状的差异因素;
S3、将识别到的人脸形状与预存人脸形状进行对比,并对识别到的人脸形状进行模糊化识别处理;
S4、将模糊化识别处理后得到的结果输出并保存到服务器。
在本发明所述的穿戴式人脸识别方法中,步骤S1中将采集到的画面进行数字化处理以得到数字化视频信息包括:
通过回调机制将采集到的画面进行数字化处理以得到数字化视频信息。
在本发明所述的穿戴式人脸识别方法中,所述步骤S2中从数字化视频信息中识别出人脸形状包括:
使用边界值算法从数字化视频信息中识别出人脸形状。
在本发明所述的穿戴式人脸识别方法中,所述步骤S2中从数字化视频信息中识别出人脸形状包括:
S21、利用小波多分辨特性对人脸做降维处理;
S22、确定人脸带区;并获取人脸特征基线;
S23、通过人脸特征基线识别出人脸形状。
在本发明所述的穿戴式人脸识别方法中,所述步骤S2中过滤掉人脸形状的差异因素包括:
使用色彩过滤算法过滤掉因为光线,肤色变化产生的人脸形状的差异。
实施本发明的穿戴式人脸识别方法,具有以下有益效果:通过本发明实施例提供的穿戴式人脸识别方法,可以有效解决针对现有技术中现有的人脸识别与增强现实技术(AR)无法给予用户无限接近真实效果的体验的缺陷,本发明通过从数字化视频信息中识别出人脸形状,并过滤掉人脸形状的差异因素;然后将识别到的人脸形状与预存人脸形状进行对比,并对识别到的人脸形状进行模糊化识别处理,使得人脸形状识别更为精确,能够给予用户无限接近真实效果的体验。
本发明还提供一种穿戴式人脸识别装置,包括以下模块:
采集处理模块,用于通过视频采集原件实时采集画面,将采集到的画面进行数字化处理以得到数字化视频信息;
识别过滤模块,用于从数字化视频信息中识别出人脸形状,并过滤掉人脸形状的差异因素;
对比模块,用于将识别到的人脸形状与预存人脸形状进行对比,并对识别到的人脸形状进行模糊化识别处理;
输出保持模块,用于将模糊化识别处理后得到的结果输出并保存到服务器。
在本发明所述的穿戴式人脸识别装置中,所述采集处理模块包括:
数字化处理单元,用于通过回调机制将采集到的画面进行数字化处理以得到数字化视频信息。
在本发明所述的穿戴式人脸识别装置中,所述识别过滤模块包括:
第一人脸形状识别单元,用于使用边界值算法从数字化视频信息中识别出人脸形状。
在本发明所述的穿戴式人脸识别装置中,所述识别过滤模块包括:
降维处理单元,用于利用小波多分辨特性对人脸做降维处理;
人脸特征确定单元,用于确定人脸带区,并获取人脸特征基线;
第二人脸形状识别单元,用于通过人脸特征基线识别出人脸形状。
在本发明所述的穿戴式人脸识别装置中,所述识别过滤模块还包括:
过滤单元,用于使用色彩过滤算法过滤掉因为光线,肤色变化产生的人脸形状的差异。
实施本发明的穿戴式人脸识别装置,具有以下有益效果:通过本发明实施例提供的穿戴式人脸识别装置,可以有效解决针对现有技术中现有的人脸识别与增强现实技术(AR)无法给予用户无限接近真实效果的体验的缺陷,本发明通过从数字化视频信息中识别出人脸形状,并过滤掉人脸形状的差异因素;然后将识别到的人脸形状与预存人脸形状进行对比,并对识别到的人脸形状进行模糊化识别处理,使得人脸形状识别更为精确,能够给予用户无限接近真实效果的体验。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明一较佳实施例提供的穿戴式人脸识别方法流程图;
图2是图1所示的步骤S2中从数字化视频信息中识别出人脸形状的子流程图;
图3是本发明一较佳实施例提供的穿戴式人脸识别装置的结构框图;
图4是图3所示的识别过滤模块的结构框图。
具体实施方式
为了解决现有技术中现有的人脸识别与增强现实技术(AR)无法给予用户无限接近真实效果的体验的缺陷,本发明的创新点在于:通过从数字化视频信息中识别出人脸形状,并过滤掉人脸形状的差异因素;然后将识别到的人脸形状与预存人脸形状进行对比,并对识别到的人脸形状进行模糊化识别处理,使得人脸形状识别更为精确,能够给予用户无限接近真实效果的体验。
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图详细说明本发明的具体实施方式,下述具体实施方式以及附图,仅为更好地理解本发明,并不对本发明做任何限制。
如图1所示,在本发明实施例提供的穿戴式人脸识别方法中,该识别方法的硬件环境可以为X86系统,也可以是安卓系统或其他硬件环境,所述方法包括以下步骤:
S1、视频采集原件实时采集画面,将采集到的画面进行数字化处理以得到数字化视频信息;
S2、从数字化视频信息中识别出人脸形状,并过滤掉人脸形状的差异因素;
S3、将识别到的人脸形状与预存人脸形状进行对比,并对识别到的人脸形状进行模糊化识别处理;
S4、将模糊化识别处理后得到的结果输出并保存到服务器。
优选地,在本发明实施例提供的穿戴式人脸识别方法中,步骤S1中将采集到的画面进行数字化处理以得到数字化视频信息包括:
通过回调机制将采集到的画面进行数字化处理以得到数字化视频信息。
优选地,在本发明实施例提供的穿戴式人脸识别方法中,所述步骤S2中从数字化视频信息中识别出人脸形状包括:
使用边界值算法从数字化视频信息中识别出人脸形状。
优选地,如图2所示,在本发明实施例提供的穿戴式人脸识别方法中,所述步骤S2中从数字化视频信息中识别出人脸形状包括:
S21、利用小波多分辨特性对人脸做降维处理;根据数字化视频信息生成数字图像,对图像做一阶小波分解,再对高频图做积分投影。图像积分投影定义如下:给定N*M大小的图像I(x,y),分别定义水平函数量H(y)和垂直投影函数V(x),图像区域为Z(x1<x<x2,y1<y<y2):
S22、确定人脸带区;并获取人脸特征基线;在垂直细节图做积分投影,得到积分投影函数V(x),寻找V(x)的两个极值点,这就是人脸的左右边界。这两个点的位置确定了一个垂直带区,命名为“人脸外接带区”。人脸左右边界部分的小波系数较大,所以具有较大的值。利用两个峰值,可以确定人脸的垂直带区。在人脸外接带区范围内,对水平细节图做水平积分投影,得到H(y)。在眼睛、鼻子、嘴的位置附近,小波系数的值比较大,寻找H(y)中极值点,它们分别对应眼睛、鼻子和嘴的基线。对水平细节图中基线的区域分别进行垂直积分投影、检测结果、确定基线、眼睛基线附近应得到两个突起的峰值,鼻子和嘴应在两眼的峰值中间有一个长的峰值。最后,定义人脸的外接矩形。由于头发、胡须和衣服等在多数方向上具有较高的小波系数,所以模糊定位人脸上下基线。根据人脸的形状,一般确定人脸的长宽比大约为1.5:1,将人脸的上下基线定义为鼻子的基线等距。
S23、通过人脸特征基线识别出人脸形状。在眼睛基线附近做边沿检测,对检测结果做水平投影,确定眼睛的范围。做垂直投影,对区域中的黑点进行区域膨胀。取黑点的均值作为瞳孔的位置。将两眼瞳距设置1,在两眼下方(0.7,1)范围内寻找颜色较深的区域即为鼻孔。两鼻孔的1/2处的亮度最高点即为鼻尖。嘴到两眼中心的距离为(1.0,1.3),可以用类似眼睛的方法找到左右嘴角和嘴的中心。
优选地,在本发明实施例提供的穿戴式人脸识别方法中,所述步骤S2中过滤掉人脸形状的差异因素包括:
使用色彩过滤算法过滤掉因为光线,肤色变化产生的人脸形状的差异。
实施本发明优选实施例提供的穿戴式人脸识别方法,具有以下有益效果:通过本发明实施例提供的穿戴式人脸识别方法,可以有效解决针对现有技术中现有的人脸识别与增强现实技术(AR)无法给予用户无限接近真实效果的体验的缺陷,本发明通过从数字化视频信息中识别出人脸形状,并过滤掉人脸形状的差异因素;然后将识别到的人脸形状与预存人脸形状进行对比,并对识别到的人脸形状进行模糊化识别处理,使得人脸形状识别更为精确,能够给予用户无限接近真实效果的体验。
如图3所示,本发明实施例还提供一种穿戴式人脸识别装置,该识别装置的硬件环境可以为X86系统,也可以是安卓系统或其他硬件环境,该装置包括以下模块:
采集处理模块,用于通过视频采集原件实时采集画面,将采集到的画面进行数字化处理以得到数字化视频信息;
识别过滤模块,用于从数字化视频信息中识别出人脸形状,并过滤掉人脸形状的差异因素;
对比模块,用于将识别到的人脸形状与预存人脸形状进行对比,并对识别到的人脸形状进行模糊化识别处理;
输出保持模块,用于将模糊化识别处理后得到的结果输出并保存到服务器。
优选地,在本发明优选实施例提供的穿戴式人脸识别装置中,所述采集处理模块包括:
数字化处理单元,用于通过回调机制将采集到的画面进行数字化处理以得到数字化视频信息。
优选地,在本发明优选实施例提供的穿戴式人脸识别装置中,所述识别过滤模块包括:
第一人脸形状识别单元,用于使用边界值算法从数字化视频信息中识别出人脸形状。
优选地,如图4所示,在本发明优选实施例提供的穿戴式人脸识别装置中,所述识别过滤模块包括:
降维处理单元,用于利用小波多分辨特性对人脸做降维处理;
人脸特征确定单元,用于确定人脸带区,并获取人脸特征基线;
第二人脸形状识别单元,用于通过人脸特征基线识别出人脸形状。
优选地,在本发明优选实施例提供的穿戴式人脸识别装置中,所述识别过滤模块还包括:
过滤单元,用于使用色彩过滤算法过滤掉因为光线,肤色变化产生的人脸形状的差异。
实施本发明的穿戴式人脸识别装置,具有以下有益效果:通过本发明实施例提供的穿戴式人脸识别装置,可以有效解决针对现有技术中现有的人脸识别与增强现实技术(AR)无法给予用户无限接近真实效果的体验的缺陷,本发明通过从数字化视频信息中识别出人脸形状,并过滤掉人脸形状的差异因素;然后将识别到的人脸形状与预存人脸形状进行对比,并对识别到的人脸形状进行模糊化识别处理,使得人脸形状识别更为精确,能够给予用户无限接近真实效果的体验。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (10)
1.一种穿戴式人脸识别方法,其特征在于,包括以下步骤:
S1、视频采集原件实时采集画面,将采集到的画面进行数字化处理以得到数字化视频信息;
S2、从数字化视频信息中识别出人脸形状,并过滤掉人脸形状的差异因素;
S3、将识别到的人脸形状与预存人脸形状进行对比,并对识别到的人脸形状进行模糊化识别处理;
S4、将模糊化识别处理后得到的结果输出并保存到服务器。
2.根据权利要求1所述的穿戴式人脸识别方法,其特征在于,步骤S1中将采集到的画面进行数字化处理以得到数字化视频信息包括:
通过回调机制将采集到的画面进行数字化处理以得到数字化视频信息。
3.根据权利要求2所述的穿戴式人脸识别方法,其特征在于,所述步骤S2中从数字化视频信息中识别出人脸形状包括:
使用边界值算法从数字化视频信息中识别出人脸形状。
4.根据权利要求2所述的穿戴式人脸识别方法,其特征在于,所述步骤S2中从数字化视频信息中识别出人脸形状包括:
S21、利用小波多分辨特性对人脸做降维处理;
S22、确定人脸带区;并获取人脸特征基线;
S23、通过人脸特征基线识别出人脸形状。
5.根据权利要求4所述的穿戴式人脸识别方法,其特征在于,所述步骤S2中过滤掉人脸形状的差异因素包括:
使用色彩过滤算法过滤掉因为光线,肤色变化产生的人脸形状的差异。
6.一种穿戴式人脸识别装置,其特征在于,包括以下模块:
采集处理模块,用于通过视频采集原件实时采集画面,将采集到的画面进行数字化处理以得到数字化视频信息;
识别过滤模块,用于从数字化视频信息中识别出人脸形状,并过滤掉人脸形状的差异因素;
对比模块,用于将识别到的人脸形状与预存人脸形状进行对比,并对识别到的人脸形状进行模糊化识别处理;
输出保持模块,用于将模糊化识别处理后得到的结果输出并保存到服务器。
7.根据权利要求6所述的穿戴式人脸识别装置,其特征在于,所述采集处理模块包括:
数字化处理单元,用于通过回调机制将采集到的画面进行数字化处理以得到数字化视频信息。
8.根据权利要求7所述的穿戴式人脸识别装置,其特征在于,所述识别过滤模块包括:
第一人脸形状识别单元,用于使用边界值算法从数字化视频信息中识别出人脸形状。
9.根据权利要求7所述的穿戴式人脸识别装置,其特征在于,所述识别过滤模块包括:
降维处理单元,用于利用小波多分辨特性对人脸做降维处理;
人脸特征确定单元,用于确定人脸带区,并获取人脸特征基线;
第二人脸形状识别单元,用于通过人脸特征基线识别出人脸形状。
10.根据权利要求9所述的穿戴式人脸识别装置,其特征在于,所述识别过滤模块还包括:
过滤单元,用于使用色彩过滤算法过滤掉因为光线,肤色变化产生的人脸形状的差异。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410148166.8A CN103902983A (zh) | 2014-04-14 | 2014-04-14 | 一种穿戴式人脸识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410148166.8A CN103902983A (zh) | 2014-04-14 | 2014-04-14 | 一种穿戴式人脸识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103902983A true CN103902983A (zh) | 2014-07-02 |
Family
ID=50994295
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410148166.8A Pending CN103902983A (zh) | 2014-04-14 | 2014-04-14 | 一种穿戴式人脸识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103902983A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106557744A (zh) * | 2016-10-28 | 2017-04-05 | 南京理工大学 | 可穿戴人脸识别装置及实现方法 |
CN110062203A (zh) * | 2019-03-12 | 2019-07-26 | 中林信达(北京)科技信息有限责任公司 | 一种新型视频采集方法 |
CN115984948A (zh) * | 2023-03-20 | 2023-04-18 | 广东广新信息产业股份有限公司 | 应用于温度感测的人脸识别方法及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020109579A1 (en) * | 2001-02-10 | 2002-08-15 | Pollard Stephen B. | Face recognition and information system |
CN101131728A (zh) * | 2007-09-29 | 2008-02-27 | 东华大学 | 一种基于Shape Context的人脸形状匹配方法 |
CN101404107A (zh) * | 2008-11-19 | 2009-04-08 | 公安部第三研究所 | 基于人脸识别技术的网吧监控报警系统 |
CN101470935A (zh) * | 2007-12-26 | 2009-07-01 | 南京理工大学 | 关键岗位职守人员状态监控与信息提示方法及其实现装置 |
CN102681811A (zh) * | 2011-03-10 | 2012-09-19 | 微软公司 | 照片表示视图的基于主题的增强 |
CN103635891A (zh) * | 2011-05-06 | 2014-03-12 | 奇跃公司 | 大量同时远程数字呈现世界 |
-
2014
- 2014-04-14 CN CN201410148166.8A patent/CN103902983A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020109579A1 (en) * | 2001-02-10 | 2002-08-15 | Pollard Stephen B. | Face recognition and information system |
CN101131728A (zh) * | 2007-09-29 | 2008-02-27 | 东华大学 | 一种基于Shape Context的人脸形状匹配方法 |
CN101470935A (zh) * | 2007-12-26 | 2009-07-01 | 南京理工大学 | 关键岗位职守人员状态监控与信息提示方法及其实现装置 |
CN101404107A (zh) * | 2008-11-19 | 2009-04-08 | 公安部第三研究所 | 基于人脸识别技术的网吧监控报警系统 |
CN102681811A (zh) * | 2011-03-10 | 2012-09-19 | 微软公司 | 照片表示视图的基于主题的增强 |
CN103635891A (zh) * | 2011-05-06 | 2014-03-12 | 奇跃公司 | 大量同时远程数字呈现世界 |
Non-Patent Citations (2)
Title |
---|
陈慧静等: "基于形状上下文的人脸匹配算法", 《计算机工程》 * |
陈雅茜等: "人脸识别技术综述", 《西南民族大学学报(自然科学版)》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106557744A (zh) * | 2016-10-28 | 2017-04-05 | 南京理工大学 | 可穿戴人脸识别装置及实现方法 |
CN110062203A (zh) * | 2019-03-12 | 2019-07-26 | 中林信达(北京)科技信息有限责任公司 | 一种新型视频采集方法 |
CN115984948A (zh) * | 2023-03-20 | 2023-04-18 | 广东广新信息产业股份有限公司 | 应用于温度感测的人脸识别方法及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sahmoud et al. | Efficient iris segmentation method in unconstrained environments | |
Baskan et al. | Projection based method for segmentation of human face and its evaluation | |
US20180173979A1 (en) | Living body detection method, living body detection system, and computer program product | |
CN112487922B (zh) | 一种多模态人脸活体检测方法及系统 | |
CN112487921B (zh) | 一种用于活体检测的人脸图像预处理方法及系统 | |
CN107368778A (zh) | 人脸表情的捕捉方法、装置及存储装置 | |
CN105426843B (zh) | 一种单镜头下掌静脉和掌纹图像采集装置及图像增强和分割方法 | |
CN108875485A (zh) | 一种底图录入方法、装置及系统 | |
CN104933344A (zh) | 基于多生物特征模态的移动终端用户身份认证装置及方法 | |
CN103093210A (zh) | 人脸识别中眼镜的鉴别方法及装置 | |
Chen et al. | Real-time eye localization, blink detection, and gaze estimation system without infrared illumination | |
Das et al. | A new method for sclera vessel recognition using OLBP | |
CN111767788A (zh) | 一种非交互式单目活体检测方法 | |
CN107862298B (zh) | 一种基于红外摄像装置下眨眼的活体检测方法 | |
Gupta et al. | Accurate heart-rate estimation from face videos using quality-based fusion | |
CN103902983A (zh) | 一种穿戴式人脸识别方法及装置 | |
CN106156739B (zh) | 一种基于脸部轮廓分析的证件照耳朵检测与提取方法 | |
CN105447450B (zh) | 虹膜识别中判断左右虹膜的方法和装置 | |
Benn et al. | Robust eye centre extraction using the hough transform | |
Guan | Robust eye detection from facial image based on multi-cue facial information | |
Ferrara et al. | On the use of the Kinect sensor for human identification in smart environments | |
Khan et al. | Enhanced image saliency model based on blur identification | |
Ganguly et al. | Depth based occlusion detection and localization from 3D face image | |
El-Sayed et al. | An identification system using eye detection based on wavelets and neural networks | |
Motwani et al. | Eye detection using wavelets and ANN |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140702 |